
Citation: | LI Chunguang, MAO Yu, YAN Hubin, LIANG Aihong, HAN Yan. Experimental Study on Vortex-Induced Vibration Performance and Countermeasures for Side Girder Beam with Conveyer[J]. Journal of Southwest Jiaotong University, 2022, 57(4): 886-893. doi: 10.3969/j.issn.0258-2724.20210224 |
Conveyers on the bridge deck change the aerodynamic shape of the side girder. In order to explore the vortex-induced vibration performance and countermeasures of the side girder with a conveyer, a 1.00∶20.00 rigid segment model test of free suspension is carried out in wind tunnel. Firstly, the vortex-induced vibration performance of the side girder beam section with a conveyer is studied, and tests are conducted as to how it is affected by structural damping ratio. Secondly, the cases of whether a conveyer is equipped are compared. Finally, aerodynamic measures such as air nozzles, stabilizing plates at beam bottom, and horizontal baffles are used to optimize the vortex-induced vibration performance of the main girder section. The results show that the vortex-induced vibration performance of the side girder with a conveyer is poor at the specified 0° and ± 3° wind attack angles, and the maximum exceeds the specification limit value by 286%. The deck conveyer reduces the vortex-induced vibration stability of the main girder, and the peak value of the vortex-induced vibration response increases by 44%. The installation of stabilizing plates at beam bottom is beneficial to improve the vortex-induced vibration performance of the main beam, and the effect of stabilizing plates with the same height as the bottom of the beam becomes better with the increase in the number of stabilizing plates. The vortex-induced vibration suppression effect of the main beam is 93% when installing three stabilizing plates with a depth of 1.5 m. The 2.0 m high middle stabilizing plate extending 0.5 m from beam bottom can completely suppress the vortex-induced vibration. The nozzle has a little influence on the vortex-induced vibration performance of the main beam, but it has an optimal angle value in a certain range. When a horizontal baffle is separately arranged at the beam bottom, the peak value of vortex-induced vibration response is reduced by 17%. A combined measure of a nozzle, nozzle horizontal splitter plate, and horizontal baffle of 1 m width is adopted to optimize the main beam section, and the peak value of the vortex-induced vibration response of the main beam is reduced by 92%, which is far lower than the specification limit.
直流牵引供电计算的准确性对城市轨道供电系统设计、系统能耗评估、供电系统故障还原有着重要作用. 国内外研究人员对直流牵引供电系统的仿真计算做了大量研究,研究内容包含列车运行图编制优化、列车运行过程模拟和负荷过程仿真计算等.
在运行图编制方面,彭其渊等[1-2]考虑到发线运行方案,建立了在单、复线下均适用的列车运行图优化模型. 在列车运行过程模拟方面,主要是针对单列车准点节能运行操纵工况求解,文献[3-5]结合列车时刻表,提出两阶段寻优方法,分别优化列车区间运行操纵策略和站间运行时分分配方案,但计算量大,求解效率不高;文献[6-8]研究了在连续坡道和限速条件下的列车准点节能运行;文献[9-10]在研究列车控制工况最优切换时机时引入伴随变量,针对不同运行情况给出了最优切换规则. 而在城轨交通供电系统负荷过程仿真计算方面,文献[11]中建立了地面储能装置的通用模型,给出了不同工作状态下牵引供电系统等效电路的求解方法;文献[12]中考虑牵引所多运行状态,设计了城轨供电系统交-直-交交替迭代潮流求解算法. 以上研究均是以平铺运行图为核心对直流牵引供电系统的负荷过程进行仿真分析.
在供电系统设计阶段多以单列车运行曲线为基础,按照发车间隔生成平铺运行图,在供电计算运行图截面法的基础上模拟多列车运行,计算牵引网网压及钢轨电位等. 而在运营阶段,各列车按照时刻表运行[13],考虑动态客流量的运营需求,须采用不同的行车运行图,如大小交路、快慢车等. 不同时段的列车运行区间、区间运行时间、停站时间均不尽相同[14-15],如仍采用平铺运行图进行运行仿真则不能完全还原供电系统负荷的实际运行过程,也不能基于实际运行情况评估和优化再生制动能量的利用效果及分析现场频繁发生的钢轨电位异常问题,使得仿真结果与实际负荷过程差别大.
多列车运行情况下,供电系统仿真更多的是为了再现系统最高、最低网压,钢轨电位峰值,变电所负荷功率峰值和高峰小时有效值. 这些都与利用列车的真实站间运行时分还原多车运行过程直接相关,供电系统电气状态的极限值与车辆的启动、制动过程,以及各过程之间的相互配合亦均有直接关系.
本文要解决的核心问题是通过列车站间运行时分,还原列车运行轨迹,提高仿真模型准确性,更加准确地模拟供电系统负荷的实际运行过程. 基于此,本文以运行图中各列车站间运行时分为约束条件,建立列车定时节能运行的指标函数,基于固定阶梯级目标速度搜索算法优化列车操纵序列,得到多列车具有电气信息的运行轨迹. 以实迹运行图为驱动,实现还原多车运行轨迹的直流牵引供电系统负荷过程动态模拟. 实际案例分析表明,本文所提算法仿真牵引所负荷过程曲线与实测数据趋势相近,能针对供电系统特定问题还原系统运行过程,验证了模型及算法的有效性与可靠性.
运行图是列车在区间运行、在车站到发通停时刻的图解. 根据运营部门行车组织提供的列车时刻表,可绘制基于行车计划的运行图,再根据列车实际到发时刻,得到运营阶段的实迹运行图. 运行图简化模型如图1所示. 以列车i在区间k运行为例,图1中:k1、k2分别为区间k的起始、终止车站节点;Di_k1、Di_k2分别为列车i到达区间k车站节点k1、k2的时刻;Fi_k1为列车i离开区间k车站节点k1的时刻;Ti_k为列车i在区间k的计划运行时间;j为站台编号,N为全线总站台数,满足j = 1,2,
运行图简化模型可用Ti_k和列车i在车站节点 k1的停站时间Si_k1分别描述为
Ti_k = Di_k2−Fi_k1, | (1) |
Si_k1 = Fi_k1−Di_k1, | (2) |
式中:i∈M,M为全线路运行的所有列车集合;k∈Li,Li为列车i在各区间运行时对应的弧线集合;k1,k2∈Ni,Ni为列车i经过的车站节点集合.
研究表明,在列车制动降速前采用惰行工况是有效的节能操作,而最优惰行点的求解是节能控制的关键[16-17]. 以列车i在区间k的运行过程为例,为求解最优惰行点,引入目标速度vcm_i_k (m为目标速度所处的层级数)和惰行控制系数τi_k,重新将列车运行过程依次划分为3个阶段,如图2所示,阶段Ⅰ为列车速度由0加速运行至vcm_i_k的启动过程,阶段Ⅱ为中间调速过程,阶段Ⅲ为制动降速过程,该阶段由速度曲线和考虑τi_k之后的牵引反算曲线交点决定. 图中:v为速度;x为位置;b为列车牵引反算速度曲线与线路限速的交点;b1为列车实际运行过程中速度曲线与牵引反算曲线的交点,交点位置为xi_k_b1;b2为在阶段划分过程中引入τi_k后列车速度曲线与牵引反算曲线的交点,交点位置为xi_k(τi_k,vcm_i_k);P表示牵引;C表示惰行,B表示制动.
根据以上定义,则τi_k可表示为
τi_k = |xi_k_b1−xi_k(τi_k,vcm_i_k)|xi_k_b1. | (3) |
为保证安全运行,根据工程经验τi_k的取值范围为0≤τi_k≤0.25.
考虑vcm_i_k和τi_k划分列车运行区间,以列车在区间准点节能运行为目标,以运行图中各列车的运行时分为主要约束条件,建立各列车定时节能运行控制模型.
定时层的目标是列车i在第k个区间以τi_k、vcm_i_k运行时的实际运行时间Tsi_k(τi_k,vcm_i_k)与Ti_k的差值δi_k(τi_k,vcm_i_k)最小,即
fTi_k=minδi_k(τi_k,vcm_i_k)=min|Tsi_k(τi_k,vcm_i_k)−Ti_k|. | (4) |
列车i在区间k以τi_k、vcm_i_k运行时时刻t的牵引功率可表示为
Pi_k(τi_k,vcm_i_m,t)\;=ABCηi, | (5) |
式中:
B=fmaxi_k(vi_k(τi_k,vcm_i_k,t)), |
C=vi_k(τi_k,vcm_i_k,t), |
其中:μi_k(•)为牵引力使用系数,0 ≤ μi_k(•)≤ 1;ηi为机电效率;vi_k(•)为速度;fmaxi_k(•)为最大牵引力.
列车i在区间k以τi_k、vcm_i_k运行时牵引能耗为
Ei_k(τi_k,vcm_i_k) = Di_k2∫Fi_k1Pi_k(τi_k,vcm_i_k,t)dt. | (6) |
选择在满足式(4)定时目标的多组组合变量(τi_k,vcm_i_k)下使Ei_k最小的一组变量作为最终的优化结果,则列车区间运行的最终目标为
fEi_k = minEi_k(τi_k,vcm_i_k). | (7) |
为求解上述目标函数,需满足运行图中各列车在各车站到发时间、起停车速度、位置等边界条件约束;同时为保证安全运行,还需满足线路限速、乘客舒适度指标约束.
1) 边界约束
① 到发时间约束
|Tsi_k(τi_k,vcm_i_k)−Ti_k|=δi_k(τi_k,vcm_i_k)⩽ | (8) |
式中:δmax为Tsi_k(τi_k,vcm_i_k)与Ti_k之间允许的最大误差.
② 起停车速度、位置约束
列车i在区间k的起点k1和终点k2分别通过各自的标志bi_k1和 bi_k2的值确定是否停站(bi_k1,bi_k2 =1 表示停站,bi_k1,bi_k2 = 0 表示不停站),记节点k1、k2所处的位置分别为Xi_k1、Xi_k2;vlim(•)为节点位置处的限速;vi和xi分别为列车i的速度与位置.
若bi_k1 = 1且bi_k2 = 1,则边界约束可表示为
\left\{\begin{array}{l}{v}_{i}({F}_{i\_{k}_{1}}^{})=0,\\ {v}_{i}({D}_{i\_{k}_{2}}^{})=0,\\ {x}_{i}^{}({F}_{i\_{k}_{1}})={X}_{i\_{k}_{1}}^{},\\ {x}_{i}^{}({D}_{i\_{k}_{2}}^{})={X}_{i\_{k}_{2}}^{};\end{array}\right. | (9) |
若bi_k1 = 0且bi_k2 = 1,则边界约束可表示为
\left\{ \begin{gathered} {v_i}(X_{i\_k_1}^{}) < {v_{\lim }}(X_{i\_k_1}^{}){\text{ }} , \\ {v_i}(D_{i\_k_2}^{}) = 0 , \\ x_i^{}(D_{i\_k_2}^{}) = X_{i\_k_2}^{}; \\ \end{gathered} \right.{\text{ }} | (10) |
若bi_k1 = 1且bi_k2 = 0,则边界约束可表示为
{\text{ }}\left\{ \begin{gathered} {v_i}(X_{i\_k_2}^{}) < {v_{\lim }}(X_{i\_k_2}^{}), \\ {v_i}(D_{i\_k_1}^{}) = 0 , \\ x_i^{}(D_{i\_k_1}^{}) = X_{i\_k_1}^{} ; \\ \end{gathered} \right. | (11) |
若bi_k1 = 0且bi_k2 = 0,则边界约束可表示为
\left\{ \begin{gathered} {v_i}(X_{i\_k_1}^{}) < {v_{\lim }}(X_{i\_k_1}^{}), \\ {v_i}(X_{i\_k_2}^{}) < {v_{\lim }}(X_{i\_k_2}^{}) . \\ \end{gathered} \right. | (12) |
2) 线路限速约束
0 \leqslant v_{i\_k}^{}(x) \leqslant v_{\lim }^{}(x). | (13) |
3) 乘客舒适度指标约束
列车运行过程中,加速度变化过大或工况切换过于频繁都会影响乘客舒适度[18]. 本文以加速度变化率作为评价乘客舒适度指标.
\Delta {a'}_{i\_k}(t) = \frac{{\Delta a_{i\_k}^{}(t)}}{{\Delta t}} = \frac{{a_{i\_k}^{}(t) - a_{i\_k}^{}(t - {{\Delta t}})}}{{\Delta t}}, | (14) |
式中:
直流牵引供电系统主要由牵引网、储能装置、列车、整流机组等组成[11]. 考虑到潮流算法的求解效率和计算精度,牵引网采用三层地网模型,整流机组采用恒压源-内阻模型,列车采用功率源模型,再生制动能量利用装置基于外特性建模.
还原多列车运行轨迹得到时刻t各列车的位置xi_k(τi_k,vcm_i_k,t)、功率Pi_k(τi_k,vcm_i_k,t)等,根据直流牵引供电系统等效模型,若时刻t全线节点数目为n,则在直流侧构建时刻t节点电压方程为
{\boldsymbol{GU}} = {\boldsymbol{I}}, | (15) |
式中:G为直流侧供电系统节点导纳矩阵,
{\boldsymbol{G}} = \left[ {\begin{array}{*{20}{c}} {G_{11}^{}}&{G_{12}^{}}& \cdots &{G_{1g}^{}}& \cdots &{G_{1n}^{}} \\ {G_{21}^{}}&{G_{22}^{}}& \cdots &{G_{2g}^{}}& \cdots &{G_{2n}^{}} \\ \vdots & \vdots & \ddots & \vdots & \vdots & \vdots \\ {G_{f1}^{}}&{G_{f2}^{}}& \cdots &{G_{fg}^{}}& \cdots &{G_{fn}^{}} \\ \vdots & \vdots & \vdots & \vdots & \ddots & \vdots \\ {G_{n1}^{}}&{G_{n2}^{}}& \cdots &{G_{ng}^{}}& \cdots &{G_{nn}^{}} \end{array}} \right] , |
其中,Gfg为节点f与节点g的互导纳(f ≠ g)或自导纳(f = g);
U为节点电压矩阵,
{\boldsymbol{U}} = {\left[ {\begin{array}{*{20}{c}} {{U_1}}&{{U_2}}& \cdots &{{U_f}(t)}& \cdots &{{U_n}(t)} \end{array}} \right]^{\text{T}}} , |
其中,Uf(t)为时刻t节点f的电压;
I为节点电压矩阵,
{\boldsymbol{I}} = {\left[ {\begin{array}{*{20}{c}} {{I_1}}&{{I_2}}& \cdots &{{I_f}(t)}& \cdots &{{I_n}(t)} \end{array}} \right]^{\text{T}}}, |
其中,If(t)为时刻t节点f的注入电流.
根据节点类型的不同,If(t)可表示为
{I}_{f}(t)=\left\{\begin{array}{l}\dfrac{{P}_{i\_k}^{}({\tau }_{i\_k}^{},{v}_{\text{c}m\_i\_k}^{},t)}{{U}_{i\_k}^{}(t)},\quad 列车节点,\\ \dfrac{{U}_{s}(t)}{{R}_{s}(t)} ,\quad 牵引所节点, \end{array}\right. | (16) |
式中:Ui_k(t)为时刻t列车i的电压;Us(t)、Rs(t)为时刻t牵引所s的输出电压、等效电阻.
考虑惰行控制系数,以τi_k、vcm_i_k划分列车运行过程,基于固定阶梯级目标速度搜索算法完成各列车在各区间的准点节能运行,得到含有速度vi_k(t)、位置xi_k(t)、机车出力Fi_k(t)、机车取流Ii_k(t)等电气信息的实际运行轨迹,并用于城轨供电系统负荷过程仿真计算. 设:λm和σm分别为层级m对应阶梯值和最大搜索次数,m、λm和σm可按照线路条件及车辆条件具体按需设置;∆τ为惰行控制系数仿真步长. 具体步骤如下:
步骤1 加载列车、线路及运行图数据.
步骤2 初始化仿真条件:令i = 1,k = 1,τi_k = 0, m = 0,vcm_i_k = vmaxi_k,其中,vmaxi_k为列车i在区间k的最高运行速度.
步骤3 利用vcm_i_k和线路中限速信息,根据文献[10]中的划分原则重新进行坡道划分,并根据τi_k、vcm_i_k划分列车区间运行过程,完成列车i在区间k的速度衔接.
步骤4 计算Tsi_k(τi_k,vcm_i_k),若Tsi_k(τi_k,vcm_i_k) > Ti_k,则输出列车i在区间k的运行记录,k = k + 1,返回步骤2;反之,令vcm_i_k = vaveri_k(其中,vaveri_k为列车i在区间k的平均速度),返回步骤3完成该区间的速度衔接后,跳转至步骤5.
步骤5 若Tsi_k(τi_k,vcm_i_k) ≠ Ti_k,则采用固定阶梯级搜索算法,修改vcm_i_k,直至Tsi_k(τi_k,vcm_i_k) = Ti_k,具体搜索步骤为
① 初始化vcm_i_k = vaveri_k,Tsi_k(τi_k,vcm_i_k) = Tsi_k(τi_k,vaver_i_k),层级m搜索次数dm = 1;
② 计算当目标速度为vcm_i_k + dmλm的时间Tsi_k(τi_k,vcm_i_k + dmλm),若Tsi_k(τi_k,vcm_i_k + dmλm) = Ti_k,输出vcm_i_k = vcm_i_k + dmλm,转入④;
③ 若Tsi_k(τi_k,vcm_i_k + dmλm) > Ti_k > Tsi_k(τi_k,vcm_i_k),则Tsi_k(τi_k,vcm_i_k) = Tsi_k(τi_k,vcm_i_k + dmλm),m = m + 1,dm = 1,转入②,否则dm = dm + 1,Tsi_k(τi_k,vcm_i_k) = Tsi_k(τi_k,vcm_i_k + dmλm),转入②;若dm > σm,则m = m−1,dm = 1,转入②;
④ 保存列车区间运行记录Ri_k(τi_k,vcm_i_k).
步骤6 令τi_k = τi_k + ∆τ,其中, ∆τ为惰性控制系数步长. 若τi_k ≤ 0.25,则令vcm_i_k = vmaxi_k返回至步骤3;反之,则选择牵引能耗值最小的Ri_k(τi_k、vcm_i_k)为列车i在区间k的最终优化结果.
步骤7 令k = k + 1,若k < Li,则令τi_k = 0,m = 0,vcm_i_k = vmaxi_k,转入步骤3;反之,转入步骤8.
步骤8 令i =i + 1,若i > M,则转入步骤9;反之,令k = 1,若Ti_k = Tz_k (z为列车编号,z = 1,2,…,i−1),则Ri_k = Rz_k(τz_k,vcm_z_k),并转入步骤7;反之,令τi_k = 0,m = 0,vcm_i_k = vmaxi_k,转入步骤3.
步骤9 根据各列车优化后的运行记录,还原多列车具有电气信息的运行轨迹.
步骤10 初始化迭代次数r、电压收敛精度ε、变电所状态W,仿真起止时间及仿真时长T,直流侧供电系统节点导纳矩阵G.
步骤11 读取当前时刻t下各列车的位置及功率信息.
步骤12 计算时刻t直流牵引供电系统潮流,根据式(15)更新各节点电压矩阵U、节点电流矩阵I.
步骤13 设Ur为第r次迭代时的电压,判断是否满足 |Ur−Ur−1| < ε,若不满足则令r = r + 1,返回步骤12;否则,转入步骤14.
步骤14 判断牵引所状态W是否需要调整,若W不合理,则调整后返回步骤13;否则,令t = t +
步骤15 若t < T,则返回步骤11;否则,输出仿真结果.
以某运营线路作为仿真实例,该线路全长25.442 km,牵引所1、9、10安装有逆变回馈装置,采用自动驾驶系统(automatic train operation,ATO)运行,仿真车辆为4动2拖6编组车辆,定员载荷下车重为291.8 t,冲击限制为0.75 m/s3,结构速度为115.00 km/h,最大加速度为1.2 m/s2. 牵引所和车站位置分布如图3所示,具体的位置信息见表1.
车站编号 | 位置/km | 车站编号 | 位置/km | |
1 | 0.243 | 6 | 13.900 | |
2 | 2.456 | 7 | 18.461 | |
3 | 4.568 | 8 | 23.322 | |
4 | 7.804 | 9 | 25.650 | |
5 | 10.670 |
以第5列车在区间4运行过程为例验证基于惰行控制系数的固定阶梯级目标速度搜索算法. 该区间Ti_k为152 s,仿真过程中τi_k、vcm_i_k、xi_k(τi_k,vcm_i_k)详细变化关系如图4所示. 由图4可知,vcm_i_k随着τi_k的增加而增加,当τi_k大于0.12之后,不能满足定时目标,故该区间最终的优化结果:τi_k = 0.12,vcm_i_k = 96.95 km/h,xi_k(τi_k,vcm_i_k) = 10.420 km.
3种算法区间运行过程结果对比如图5所示,其中:CaseA1为实测数据,CaseA2为文献[16]中所提算法,CaseA3为本文算法,分别用实线、短划线、点划线表示;图中:蓝色表示牵引工况,绿色表示惰行工况,红色表示惰行工况;线路坡道为实际坡度数据,仿真坡道为根据目标速度vcm_i_k及线路限速重新进行坡道划分的结果; o1、o2、o3分别为CaseA1、CaseA2、CaseA3加速至目标速度的工况装换点;v1、v2、v3为CaseA1、CaseA2、CaseA3的转换速度;p1、p2分别为CaseA1、CaseA2在中间运行过程中的工况转换点.
由图5可知:CaseA3在列车启动阶段加速运行至vcm_i_k,工况由牵引转为惰行,转换点为o3,目标速度vcm_i_k = v3,惰行与制动的转换点为q3,xi_k(τi_k,vcm_i_k)为10.420 km;CaseA2列车制动位置xi_k_2为9.590 km,转换点为q2;CaseA1列车制动位置xi_k_1为10.330 km,转换点为q1.
全线有8个区间,CaseA1总能耗为332.590 kW•h,CaseA2总能耗为350.870 kW•h,CaseA3总能耗为331.470 kW•h,3种算法车公里能耗和吨公里能耗比较如表2所示.
工况 | 车公里能耗 | 吨公里能耗 |
CaseA1 | 2.179 | 0.045 |
CaseA2 | 2.298 | 0.047 |
CaseA3 | 2.171 | 0.045 |
由表2可知,CaseA3仿真能耗与CaseA1实测能耗基本吻合,验证了所提算法模拟列车运行过程的有效性与合理性,与CaseA2相比全线节能效果提升约5.53%.
选择早发车时段
课题组测量数据为牵引所1和牵引所9的负荷过程,牵引所监测点位置安装见文献[12],以牵引所9高峰小时仿真结果为例,整流机组电流仿真与实测负荷数据比较如图7所示,逆变回馈装置电流仿真与实测数据比较如图8所示.
由图7、图8可知:基于实迹运行图的牵引变电所负荷过程仿真结果与实测数据相比,负荷过程趋势相似,经计算
同时对高峰小时
工况 | 整流机组 电流/A | 逆变装置 电流/A | 牵引 能耗/ (kW•h) | 反馈 能量/ (kW•h) | 装置节 能率/% | |||
均值 | 峰值 | 均值 | 峰值 | |||||
CaseB1 | 262.4 | 1508.5 | 36.2 | 708.6 | 514.450 | 77.570 | 15.0 | |
CaseB2 | 294.1 | 1471.2 | 39.7 | 597.6 | 580.830 | 90.810 | 16.5 | |
CaseB3 | 280.4 | 1488.3 | 38.3 | 698.2 | 547.900 | 82.610 | 15.0 |
表3中,装置节能率用每小时逆变回馈装置反馈能量与整流机组牵引能耗的比值表示,CaseB2仿真结果与CaseB1最大误差达17.05%,CaseB3仿真结果与CaseB1误差最大不超过6.85%,较CaseB2仿真结果准确度最高可提升12.91%,故采用实迹运行图更能还原供电系统负荷实际运行情况,较平铺运行图更具有参考价值.
某地铁线路全长42.600 km,采用6动2拖8编组车辆,最高时速100.00 km/h,最小发车间隔2.5 min,1500.00 V接触网供电. 牵引所及车站位置分布信息如图9所示,全线共计车站27座,牵引所20座,其中车站4、8、11、13、15、17、26位置处无牵引所. 经统计,该线路某月钢轨电位限制装置闭锁总次数达257次,部分车站闭锁次数高达31次.
课题组为该线路的钢轨电位异常问题进行大量实测,选取该线路轨电位异常情况较为突出的车站8及邻近区间进行监测. 车站8位于9.43 km处,钢轨电位信号取自钢轨电位限制装置(over voltage protection device,OVPD)的负母排和地母排之间,采用16通道同步采集装置记录数据,监测时间不小于24 h.
经测量及统计,全日钢轨电位最大值达118.16 V(
根据该线路供电系统图及车站位置信息,搭建供电系统模型,对高峰小时采用本文算法还原实迹运行图并进行负荷过程仿真分析,钢轨电位仿真与实测数据比较如图10所示. 图中,钢轨电位的仿真曲线与实测过程趋势接近,在峰值阶段比中间过程吻合的情况好. 主要原因是:还原列车的实际运行过程中,不同类型列车在区间运行过程有不同的驾驶策略,本文以运行图为驱动设计的定时节能算法还原列车运行轨迹与实际列车驾驶过程仍然存在一定差异,若需得到不同驾驶策略下供电系统仿真结果,可通过采用不同的目标速度或设置不同的区间运行时间进行模拟.
由图10可知:车站8 OVPD在
为提高仿真模型的准确性,更准确地模拟供电系统负荷的实际运行过程,本文以实迹运行图为驱动,建立了多列车定时节能控制模型,通过目标速度搜索算法还原各列车具有电气信息的运行轨迹,实现了城轨供电系统负荷过程动态仿真分析,得到以下结论:
1) 考虑惰行控制系数的固定阶梯级目标速度搜索算法,能有效完成列车在区间准点节能运行,与已有算法相比节能效果可提升约5.53%.
2) 基于运行图的城市轨道交通供电系统负荷过程仿真,在早晚收发车时段与高峰小时,仿真结果与实测数据的Person系数在0.89以上,负荷过程特征值仿真与实测数据误差最大不超过6.85%,较平铺运行图仿真结果准确度最高可提升12.91%.
3) 在运营阶段,利用实迹运行图还原多列车运行过程和供电系统负荷过程对评估和优化再生制动能量利用效果、还原供电系统异常情形及分析异常产生原因、制定解决方案等有着十分重要的作用. 若需完成全天或较长时段负荷过程的仿真计算,算法效率对硬件性能有更高的要求,为提高算法效率,下一步考虑供电仿真过程的并行加速.
[1] |
葛耀君. 大跨度斜拉桥抗风[M]. 北京: 人民交通出版社, 2019.
|
[2] |
管青海,李加武,胡兆同,等. 栏杆对典型桥梁断面涡激振动的影响研究[J]. 振动与冲击,2014,33(3): 150-156. doi: 10.3969/j.issn.1000-3835.2014.03.029
GUAN Qinghai, LI Jiawu, HU Zhaotong, et al. Effects of railings on vortex-induced vibration of a bridge deck section[J]. Journal of Vibration and Shock, 2014, 33(3): 150-156. doi: 10.3969/j.issn.1000-3835.2014.03.029
|
[3] |
刘君,廖海黎,万嘉伟,等. 检修车轨道导流板对流线型箱梁涡振的影响[J]. 西南交通大学学报,2015,50(5): 789-795. doi: 10.3969/j.issn.0258-2724.2015.05.004
LIU Jun, LIAO Haili, WAN Jiawei, et al. Effect of guide vane beside maintenance rail on vortex-induced vibration of streamlined box girder[J]. Journal of Southwest Jiaotong University, 2015, 50(5): 789-795. doi: 10.3969/j.issn.0258-2724.2015.05.004
|
[4] |
张天翼,孙延国,李明水,等. 宽幅双箱叠合梁涡振性能及抑振措施试验研究[J]. 中国公路学报,2019,32(10): 107-114,168.
ZHANG Tianyi, SUN Yanguo, LI Mingshui, et al. Experimental study on vortex-induced vibration performance and aerodynamic countermeasures for a wide-width double-box composite beam[J]. China Journal of Highway and Transport, 2019, 32(10): 107-114,168.
|
[5] |
龙俊贤,周旭辉,李前名,等. 带高防护结构的边箱叠合梁斜拉桥涡振性能及抑振措施研究[J]. 铁道科学与工程学报,2021,18(1): 119-127.
LONG Junxian, ZHOU Xuhui, LI Qianming, et al. Experimental study on vortex-induced vibration performance and aerodynamic countermeasures for a double-box composite beam cable stayed bridge with high protective structure[J]. Journal of Railway Science and Engineering, 2021, 18(1): 119-127.
|
[6] |
李欢,何旭辉,王汉封,等. π型断面超高斜拉桥涡振减振措施风洞试验研究[J]. 振动与冲击,2018,37(7): 62-68.
LI Huan, HE Xuhui, WANG Hanfeng, et al. Wind tunnel tests for vortex-induced vibration control measures of a super high cable-stayed bridge with π-cross section[J]. Journal of Vibration and Shock, 2018, 37(7): 62-68.
|
[7] |
李春光,黄静文,张记,等. 边主梁叠合梁涡振性能气动优化措施风洞试验研究[J]. 振动与冲击,2018,37(17): 86-92.
LI Chunguang, HUANG Jingwen, ZHANG Ji, et al. Aerodynamic optimization measures for VIV performances of a side girder composite beam based on wind tunnel tests[J]. Journal of Vibration and Shock, 2018, 37(17): 86-92.
|
[8] |
张志田,卿前志,肖玮,等. 开口截面斜拉桥涡激共振风洞试验及减振措施研究[J]. 湖南大学学报(自然科学版),2011,38(7): 1-5.
ZHANG Zhitian, QING Qianzhi, XIAO Wei, et al. Vortex-induced vibration and control method for a cable-stayed bridge with open cross section[J]. Journal of Hunan University (Natural Sciences), 2011, 38(7): 1-5.
|
[9] |
IRWIN P A. Bluff body aerodynamics in wind engineering[J]. Journal of Wind Engineering and Industrial Aerodynamics, 2008, 96(6/7): 701-712.
|
[10] |
KUBO Y, SADASHIMA K, YAMAGUCHI E, et al. Improvement of aeroelastic instability of shallow π section[J]. Journal of Wind Engineering and Industrial Aerodynamics, 2001, 89(14/15): 1445-1457.
|
[11] |
赵林,李珂,王昌将,等. 大跨桥梁主梁风致稳定性被动气动控制措施综述[J]. 中国公路学报,2019,32(10): 34-48.
ZHAO Lin, LI Ke, WANG Changjiang, et al. Review on passive aerodynamic countermeasures on main girders aiming at wind-induced stabilities of long-span bridges[J]. China Journal of Highway and Transport, 2019, 32(10): 34-48.
|
[12] |
KUBO Y, KIMURA K, SADASHIMA K, et al. Aerodynamic performance of improved shallow π shape bridge deck[J]. Journal of Wind Engineering and Industrial Aerodynamics, 2002, 90(12/13/14/15): 2113-2125.
|
[13] |
LI K, QIAN G, GE Y J, et al. Control effect and mechanism investigation on the horizontal flow-isolating plate for PI shaped bridge decks’ VIV stability[J]. Wind and Structure, 2019, 28(2): 99-110.
|
[14] |
钱国伟,曹丰产,葛耀君. Ⅱ型叠合梁斜拉桥涡振性能及气动控制措施研究[J]. 振动与冲击,2015,34(2): 176-181.
QIAN Guowei, CAO Fengchan, GE Yaojun. Vortex-induced vibration performance of a cable-stayed bridge with Ⅱ shaped composite deck and its aerodynamic control measures[J]. Journal of Vibration and Shock, 2015, 34(2): 176-181.
|
[15] |
孟晓亮,郭震山,丁泉顺,等. 风嘴角度对封闭和半封闭箱梁涡振及颤振性能的影响[J]. 工程力学,2011,28(增1): 184-188,194.
MENG Xiaoliang, GUO Zhenshan, DING Quanshun, et al. Influence of wind fairing angle on vortex-induced vibrations and flutter performances of closed and semi-closed box decks[J]. Engineering Mechanics, 2011, 28(S1): 184-188,194.
|
[16] |
颜宇光,杨詠昕,周锐. 开口断面主梁斜拉桥的涡激共振控制试验研究[J]. 中国科技论文,2015,10(7): 760-764,787.
YAN Yuguang, YANG Yongxin, ZHOU Rui. Experimental study on vortex-induced vibration control measure for cable-stayed bridge with open sections[J]. China Sciencepaper, 2015, 10(7): 760-764,787.
|
1. | 禹争华. 悬挑人行道对某PK梁斜拉桥抗风性能的影响试验研究. 中外公路. 2023(04): 131-136 . ![]() |
车站编号 | 位置/km | 车站编号 | 位置/km | |
1 | 0.243 | 6 | 13.900 | |
2 | 2.456 | 7 | 18.461 | |
3 | 4.568 | 8 | 23.322 | |
4 | 7.804 | 9 | 25.650 | |
5 | 10.670 |
工况 | 车公里能耗 | 吨公里能耗 |
CaseA1 | 2.179 | 0.045 |
CaseA2 | 2.298 | 0.047 |
CaseA3 | 2.171 | 0.045 |
工况 | 整流机组 电流/A | 逆变装置 电流/A | 牵引 能耗/ (kW•h) | 反馈 能量/ (kW•h) | 装置节 能率/% | |||
均值 | 峰值 | 均值 | 峰值 | |||||
CaseB1 | 262.4 | 1508.5 | 36.2 | 708.6 | 514.450 | 77.570 | 15.0 | |
CaseB2 | 294.1 | 1471.2 | 39.7 | 597.6 | 580.830 | 90.810 | 16.5 | |
CaseB3 | 280.4 | 1488.3 | 38.3 | 698.2 | 547.900 | 82.610 | 15.0 |
车站编号 | 位置/km | 车站编号 | 位置/km | |
1 | 0.243 | 6 | 13.900 | |
2 | 2.456 | 7 | 18.461 | |
3 | 4.568 | 8 | 23.322 | |
4 | 7.804 | 9 | 25.650 | |
5 | 10.670 |
工况 | 车公里能耗 | 吨公里能耗 |
CaseA1 | 2.179 | 0.045 |
CaseA2 | 2.298 | 0.047 |
CaseA3 | 2.171 | 0.045 |
工况 | 整流机组 电流/A | 逆变装置 电流/A | 牵引 能耗/ (kW•h) | 反馈 能量/ (kW•h) | 装置节 能率/% | |||
均值 | 峰值 | 均值 | 峰值 | |||||
CaseB1 | 262.4 | 1508.5 | 36.2 | 708.6 | 514.450 | 77.570 | 15.0 | |
CaseB2 | 294.1 | 1471.2 | 39.7 | 597.6 | 580.830 | 90.810 | 16.5 | |
CaseB3 | 280.4 | 1488.3 | 38.3 | 698.2 | 547.900 | 82.610 | 15.0 |